CN101950418B - 一种图像质量评价方法和装置 - Google Patents
一种图像质量评价方法和装置 Download PDFInfo
- Publication number
- CN101950418B CN101950418B CN2010102632455A CN201010263245A CN101950418B CN 101950418 B CN101950418 B CN 101950418B CN 2010102632455 A CN2010102632455 A CN 2010102632455A CN 201010263245 A CN201010263245 A CN 201010263245A CN 101950418 B CN101950418 B CN 101950418B
- Authority
- CN
- China
- Prior art keywords
- marginal point
- image
- gray
- edge
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例提供一种图像质量评价方法和装置,该方法包括:检测图像的边缘点;计算图像的边缘点处的边缘宽度、边缘点处的边缘梯度峰值;通过所述图像的边缘点的边缘宽度和边缘梯度峰值计算图像的模糊物理量强度;根据以e为底,模糊物理量强度的对数判定图像质量评价结果。利用本发明实施例提供的图像质量评价方法和装置对图像的模糊程度进行评价时,其考虑的因素更多,而且评价结果更接近人类视觉的评价,因此评价的结果更准确。
Description
技术领域
本发明属于图像处理领域,尤其涉及一种用于评价图像模糊程度的图像质量评价方法和装置。
背景技术
单纯图像或视频中的一帧图像的模糊效应定义为高频区域里空间细节内容丢失和边缘的清晰度减弱。在多媒体通信中为了提高服务质量,通过对图像和视频图像模糊以及其他效应的检测推测终端用户的感受已经越来越重要。因此目前提出了很多对图像质量进行评价的方法,主要包括全参考、半参考和无参考三种技术。其中,全参考方法需要以没有损伤的原始图像作为参考;半参考方法需要原始图像和损伤后的图像中的部分信息,如边缘的位置和效应的特征;而无参考方法只使用损伤后的图像,该方法适用范围最广,尤其是在实时视频通信中对视频图像质量的评价方面。
现有基于无参考方法对单独图像和视频中的一帧图像的模糊效应进行评价的方法有很多种,例如使用DCT系统的柱状图来评价图像的模糊程度,以及通过计算计算含有图像边缘的8×8方块的DCT峰值来评价图像的模糊程度,但是这些方法在对图像的模糊程度进行评价时,由于考虑的因素比较少,导致最终对图像质量的评价不够准确。
发明内容
有鉴于此,本发明的目的在于提供一种图像质量评价方法和装置,对图像质量评价的结果更准确。
为实现上述目的,本发明的一个实施例提供一种图像质量评价方法,包括:
检测图像的边缘点;
计算图像的边缘点处的边缘宽度、边缘点处的边缘梯度峰值;
通过所述图像的边缘点的边缘宽度和边缘梯度峰值计算图像的模糊物理量强度;
根据以e为底,模糊物理量强度的对数判定图像质量评价结果。
优选地,所述根据以e为底模糊物理量强度的对数判定图像质量评价结果包括:计算以e为底模糊物理量强度的对数与第一常数的乘积,再加上第二常数得到图像质量评价结果。
优选地,所述计算图像的边缘点处的边缘宽度包括:
由边缘点灰度值的x方向导数和y方向导数,计算边缘点的梯度方向;
检测所述边缘点的梯度方向上距离该边缘点最近的灰度值最低的像素点和相反方向距离该边缘点最近的灰度值最高的像素点,计算所述检测到的灰度值最低的像素点和最高的像素点之间的距离,得到该边缘点处的边缘宽度。
优选地,所述计算边缘点处的边缘梯度峰值包括:
计算边缘点的灰度值的x方向导数和y方向导数的平方和的平方根,得到该边缘点处的边缘梯度峰值。
优选地,所述通过图像的边缘点的边缘宽度和边缘梯度峰值计算图像的模糊物理量强度具体采用如下公式:
其中,Q为图像的模糊物理量强度,N为检测到的图像边缘点的个数,S为像素点灰度可能的极大值,Wi为第i个边缘点的边缘宽度,Gi为第i个边缘点的边缘梯度峰值,Ki为第i个边缘点两侧对比度对模糊物理量强度的影响因子。
优选地,所述第i个边缘点两侧对比度对模糊物理量强度的影响因子Ki利用如下公式计算:
其中,所述Ci为第i个边缘点梯度方向上距离该边缘点最近的灰度值最低的像素点的灰度值与相反方向上距离该边缘点最近的灰度值最大的像素点的灰度值之间的差值的绝对值。
另一方面,本发明实施例还提供一种图像质量评价装置,包括:
边缘点检测单元,用于检测图像的边缘点;
边缘点参数计算单元,用于计算图像和边缘点处的边缘宽度和边缘梯度峰值;
模糊物理量强度计算单元,用于通过所述图像的边缘点的边缘宽度和边缘梯度峰值计算图像的模糊物理量强度;
判定单元,用于根据以e为底,模糊物理量强度的对数判定图像质量评价结果。
优选地,所述判定单元具体用于计算以e为底模糊物理量强度的对数与第一常数的乘积,再加上第二次常数得到图像质量评价结果。
优选地,所述边缘点参数计算单元包括:
梯度方向计算子单元,用于由边缘点的灰度值的x方向导数和y方向导数计算边缘点的梯度方向;
检测子单元,用于检测所述边缘点的梯度方向上距离该边缘点最近的灰度值最低的像素点、和相反方向距离该边缘点最近的灰度值最高的像素点;
边缘宽度计算子单元,用于计算所述检测子单元检测到的灰度值最低的像素点和最高的像素点之间的距离,得到该边缘点处的边缘宽度;
边缘梯度峰值计算子单元,用于计算边缘点的x方向导数和y方向导数的平方和的平方根,得到该边缘点处的边缘梯度峰值。
优选地,所述模糊物理量强度计算单元具体采用下式计算图像的模糊物理量强度:
其中,Q为图像的模糊物理量强度,N为检测到的图像边缘点的个数,S为图像所有像素点的灰度最大值,Wi为第i个边缘点的边缘宽度,Gi为第i个边缘点的边缘梯度峰值,Ki为第i个边缘点两侧对比度对模糊物理量强度的影响因子,Ki采用下式计算:
其中,所述Ci为第i个边缘点梯度方向上距离该边缘点最近的灰度值最低的像素点的灰度值与相反方向上距离该边缘点最近的灰度值最大的像素点的灰度值之间的差值的绝对值。
利用本发明实施例提供的图像质量评价方法和装置对图像的模糊程度进行评价时,其考虑的因素更多,而且评价结果更接近人类视觉的评价,因此评价的结果更准确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的图像质量评价方法的一个实施例的示意图;
图2是本发明提供的图像质量评价装置的一个实施例的示意图;
图3是图2中的图像质量评价装置中的边缘点参数计算单元的具体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种图像质量评价方法,该方法可以评价图像的模糊程度。如图1所示,该方法包括如下步骤:
步骤S101:检测图像的边缘点;
为了检测图像的边缘点,首先需要读取图像各个像素的灰度值,如果是彩色图像,则是读取图像的各个像素的灰度分量。
检测图像的边缘点可以利用Canny检测方法,Canny检测方法可以计算出图像上所有像素点的灰度值的x方向导数和y方向导数,以及检测到的所有边缘点的位置信息。本发明实施例中可以只利用其查找到的边缘点以及该边缘点处的x方向导数和y方向导数。
步骤S102:计算图像的边缘点处的边缘宽度、边缘点处的边缘梯度峰值。
以下详细说明计算图像的边缘点处的边缘宽度的具体过程:
计算边缘点处的x方向导数Gx和y方向导数Gy,并以此计算边缘点的地图方向,边缘点的梯度方向与x轴的夹角θ可以采用下式计算:
检测边缘点的梯度方向上距离该边缘点最近的灰度值最低的像素点P1和相反方向上距离该边缘点最接近的灰度值最高的像素点P2。在实际中,在计算得到的边缘点在梯度方向的附近一段区间中,边缘点的灰度值持续增大或持续减小,并且在沿着梯度方向远离边缘点一端距离后,灰度值会各出现一个极值点,本步骤中就是沿着梯度方向上查找距离边缘点最近的灰度极大值点和灰度极小值点,该极大值和极小值分别位于边缘点的两个相反方向。
计算检测到的灰度极大值点P1和灰度极小值点P2之间的距离,将该距离定义为边缘点处的边缘宽度Wi。由于已经检测出在梯度方向上边缘点最近的灰度值最低的像素点P1的位置以及最近的灰度值最高的像素点P2的位置,因此只需要计算像素点P1和P2的横坐标差和纵坐标差的平方和的平方根,即可计算得出灰度极大值点P1和灰度极小值点P2之间的距离。
对于边缘点处的边缘梯度峰值可以通过计算该边缘点的x方向导数和y方向导数的平方和的平方根得到。例如第i个边缘点处的边缘梯度峰值Gi可以利用下式计算:
步骤S103:通过图像的边缘点的边缘宽度、边缘梯度峰值,计算图像的模糊物理量强度。
在本实施例中,计算图像的模糊物理量强度可以采用下式:
这里,Q为计算得到的图像的模糊物理量强度,S为像素点灰度可能的极大值,即根据每个像素点灰度数据所占的比特数计算得到的最大灰度值,例如,当灰度数据为8比特时,则灰度可能的极大值为255。N为检测到的图像的边缘点的个数,或者可以称为检测到的边缘点的长度。Wi为相应第i个边缘点的边缘长度,Gi为第i个边缘点的边缘梯度峰值。
Ki为第i个边缘点两侧对比度对模糊物理量强度Q的影响因子。这里,该影响因子Ki可以采用下式进行计算:
这里,Ci为第i个边缘点梯度方向上距离该边缘点最近的灰度值最低的像素点P1的灰度值C1与相反方向上距离该边缘点最近的灰度值最大的像素点P2的灰度值C2之间的差值的绝对值,即Ci反映了第i个边缘点在梯度方向两侧的对比度。
步骤S104:根据以e为底,模糊物理量强度的对数判定图像质量评价结果。
具体地,计算以e为底模糊物理量强度的对数与第一常数a的乘积,再加上第二常数b得到图像质量评价结果,具体可以采用如下公式计算:
P为最终计算得到的图像质量评价结果。式子5中的a和b可以根据实验确定,可以将对多张图片模糊程度的主观评价结果作为纵坐标,并将对这些图片的模糊物理量强度为横坐标,用对数函数进行拟合,可以确定式子5中的第一常数a和第二常数b。经过实验证明,第一常数a取为1.529,第二常数b取为-5.258最优。
由于人类视觉的非线性特性,使得直接用图像的模糊物理量强度衡量评价图像的模糊程度不够准确,通过本发明实施例提供的图像质量评价方法对图像的模糊程度进行评价时,其考虑的因素更多,而且评价结果更接近人类视觉的评价,因此评价的结果更准确。
需要说明的是,在上述步骤S102中为了更准确和快速地计算边缘点的边缘宽度,可以将边缘点的梯度方向归化为离散的几个方向,例如可以分成8个方向,归化后的8个方向与其各自对应的实际梯度方向的角度范围可以采用下表:
表1:
定义了上述归化的梯度方向后,计算边缘点的梯度宽度时,可以直接在归化后的梯度方向上计算边缘宽度。
本发明还相应提供一种图像质量评价装置,如图2所示,该装置包括:边缘点检测单元201、边缘点参数计算单元202、模糊物理量强度计算单元203以及判定单元204。
其中,检测单元201用于检测图像的边缘点,检测单元201在检测图像的边缘点时需要读取图像各个像素的灰度值,如果是彩色图像,则是读取图像的各个像素的灰度分量。检测单元201在检测图像的边缘点时,可以利用Canny检测方法,Canny检测方法可以计算出图像上所有像素点的x方向导数和y方向导数,以及检测到的所有边缘点的位置信息。本发明实施例中可以只利用其查找到的边缘点以及该边缘点处的灰度值的x方向导数和y方向导数。
边缘点参数计算单元202用于计算图像和边缘点处的边缘宽度和边缘梯度峰值。
其中,如图3所示,边缘点参数计算单元202可以包括:梯度方向计算子单元2021、检测子单元2022、边缘宽度计算子单元2023和边缘梯度峰值计算子单元2024。
其中,梯度方向计算子单元2021用于由边缘点处的灰度值的x方向导数Gx和y方向导数Gy,计算边缘点的梯度方向。边缘点的梯度方向与x轴的夹角θ仍可以采用式子1的形式进行计算。检测子单元2022用于检测边缘点的梯度方向上距离该边缘点最近的灰度值最低的像素点、和相反方向距离该边缘点最近的灰度值最高的像素点。在实际中,在计算得到的边缘点在梯度方向的附近一段区间中,边缘点的灰度值持续增大或持续减小,并且在沿着梯度方向远离边缘点一端距离后,灰度值会各出现一个极值点,本实施例中就是沿着梯度方向上查找距离边缘点最近的灰度极大值点和灰度极小值点,该极大值和极小值分别位于边缘点的两个相反方向。边缘宽度计算子单元2023用于计算检测子单元2022检测到的灰度值最低的像素点和最高的像素点之间的距离,得到该边缘点处的边缘宽度。边缘梯度峰值计算子单元2024用于计算边缘点的灰度值的x方向导数和y方向导数的平方和的平方根,得到该边缘点处的边缘梯度峰值。例如第i个边缘点处的边缘梯度峰值Gi可以利用上文中的式子2计算得到。
模糊物理量强度计算单元203用于通过图像的边缘点宽度和边缘梯度峰值计算图像的模糊物理量强度。可以采用式子3的形式计算模糊物理量强度Q。在计算图像的模糊物理量强度Q时,需要对每个边缘点计算并对所有边缘点求和。
判定单元204用于根据以e为底,模糊物理量强度的对数判定图像质量评价结果。具体可以采用式子5中的形式得到图像质量的评价结果。
本实施例提供的图像质量评价装置对图像的模糊程度进行评价时,其考虑的因素更多,而且评价结果更接近人类视觉的评价,因此评价的结果更准确。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种图像质量评价方法,其特征在于,包括:
检测图像的边缘点;
计算图像的边缘点处的边缘宽度、边缘点处的边缘梯度峰值;
通过所述图像的边缘点的边缘宽度和边缘梯度峰值计算图像的模糊物理量强度;
根据以e为底,模糊物理量强度的对数判定图像质量评价结果;
所述计算图像的边缘点处的边缘宽度包括:
由边缘点灰度值的x方向导数和y方向导数,计算边缘点的梯度方向;
检测所述边缘点的梯度方向上距离该边缘点最近的灰度值最低的像素点和相反方向距离该边缘点最近的灰度值最高的像素点,计算所述检测到的灰度值最低的像素点和最高的像素点之间的距离,得到该边缘点处的边缘宽度;
所述计算边缘点处的边缘梯度峰值包括:
计算边缘点的灰度值的x方向导数和y方向导数的平方和的平方根,得到该边缘点处的边缘梯度峰值;
所述通过图像的边缘点的边缘宽度和边缘梯度峰值计算图像的模糊物理量强度具体采用如下公式:
其中,Q为图像的模糊物理量强度,N为检测到的图像边缘点的个数,S为像素点灰度可能的极大值,Wi为第i个边缘点的边缘宽度,Gi为第i个边缘点的边缘梯度峰值,Ki为第i个边缘点两侧对比度对模糊物理量强度的影响因子。
2.根据权利要求1所述的方法,其特征在于,所述根据以e为底模糊物理量强度的对数判定图像质量评价结果包括:计算以e为底模糊物理量强度的对数与第一常数的乘积,再加上第二常数得到图像质量评价结果。
3.根据权利要求1所述的方法,其特征在于,所述第i个边缘点两侧对比度对模糊物理量强度的影响因子Ki利用如下公式计算:
其中,所述Ci为第i个边缘点梯度方向上距离该边缘点最近的灰度值最低的像素点的灰度值与相反方向上距离该边缘点最近的灰度值最大的像素点的灰度值之间的差值的绝对值。
4.一种图像质量评价装置,其特征在于,包括:
边缘点检测单元,用于检测图像的边缘点;
边缘点参数计算单元,用于计算图像和边缘点处的边缘宽度和边缘梯度峰值;
模糊物理量强度计算单元,用于通过所述图像的边缘点的边缘宽度和边缘梯度峰值计算图像的模糊物理量强度;
判定单元,用于根据以e为底,模糊物理量强度的对数判定图像质量评价结果;
所述边缘点参数计算单元包括:
梯度方向计算子单元,用于由边缘点的灰度值的x方向导数和y方向导数计算边缘点的梯度方向;
检测子单元,用于检测所述边缘点的梯度方向上距离该边缘点最近的灰度值最低的像素点、和相反方向距离该边缘点最近的灰度值最高的像素点;
边缘宽度计算子单元,用于计算所述检测子单元检测到的灰度值最低的像素点和最高的像素点之间的距离,得到该边缘点处的边缘宽度;
边缘梯度峰值计算子单元,用于计算边缘点的x方向导数和y方向导数的平方和的平方根,得到该边缘点处的边缘梯度峰值;
所述模糊物理量强度计算单元具体采用下式计算图像的模糊物理量强度:
其中,Q为图像的模糊物理量强度,N为检测到的图像边缘点的个数,S为图像所有像素点的灰度最大值,Wi为第i个边缘点的边缘宽度,Gi为第i个边缘点的边缘梯度峰值,Ki为第i个边缘点两侧对比度对模糊物理量强度的影响因子,Ki采用下式计算:
其中,所述Ci为第i个边缘点梯度方向上距离该边缘点最近的灰度值最低的像素点的灰度值与相反方向上距离该边缘点最近的灰度值最大的像素点的灰度值之间的差值的绝对值。
5.根据权利要求4所述的装置,其特征在于,所述判定单元具体用于计算以e为底模糊物理量强度的对数与第一常数的乘积,再加上第二次常数得到图像质量评价结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102632455A CN101950418B (zh) | 2010-08-26 | 2010-08-26 | 一种图像质量评价方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102632455A CN101950418B (zh) | 2010-08-26 | 2010-08-26 | 一种图像质量评价方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101950418A CN101950418A (zh) | 2011-01-19 |
CN101950418B true CN101950418B (zh) | 2012-08-08 |
Family
ID=43453905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102632455A Expired - Fee Related CN101950418B (zh) | 2010-08-26 | 2010-08-26 | 一种图像质量评价方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101950418B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103096118B (zh) * | 2011-10-28 | 2015-10-07 | 浙江大华技术股份有限公司 | 摄像头变焦检测方法和装置 |
CN102609939B (zh) * | 2012-01-16 | 2015-03-11 | 北京航空航天大学 | 一种tfds图像质量评价方法及系统 |
CN103455994A (zh) * | 2012-05-28 | 2013-12-18 | 佳能株式会社 | 图像模糊度的确定方法和设备 |
CN103971374A (zh) * | 2014-05-22 | 2014-08-06 | 日立数字安防系统(上海)有限公司 | 一种针对多种亮度条件下图像可视化程度检测的评估方法 |
CN104200475B (zh) * | 2014-09-05 | 2017-02-08 | 中国传媒大学 | 一种无参考图像模糊度估计新方法 |
CN105654451A (zh) * | 2014-11-10 | 2016-06-08 | 中兴通讯股份有限公司 | 一种图像的处理方法和装置 |
CN105512671B (zh) * | 2015-11-02 | 2019-02-05 | 北京风桥科技有限公司 | 基于模糊照片识别的照片管理方法 |
CN106228568A (zh) * | 2016-10-11 | 2016-12-14 | 北京京东尚科信息技术有限公司 | 模糊图片检测方法和装置 |
CN106856002B (zh) * | 2016-11-22 | 2020-06-26 | 上海大学 | 一种无人机拍摄图像质量评价方法 |
CN108038834B (zh) * | 2017-12-28 | 2020-06-26 | 努比亚技术有限公司 | 一种降低噪声的方法、终端和计算机可读存储介质 |
CN108174198B (zh) * | 2018-03-07 | 2021-02-23 | 江苏中软智能系统有限公司 | 一种视频图像质量诊断分析检测设备及应用系统 |
CN108447059B (zh) * | 2018-04-09 | 2021-06-29 | 华侨大学 | 一种全参考光场图像质量评价方法 |
CN109636727B (zh) * | 2018-12-17 | 2022-11-15 | 辽宁工程技术大学 | 一种超分辨率重建影像空间分辨率评价方法 |
CN111368837B (zh) * | 2018-12-25 | 2023-12-05 | 中移(杭州)信息技术有限公司 | 一种图像质量评价方法、装置、电子设备及存储介质 |
CN110211105B (zh) * | 2019-05-24 | 2021-09-07 | 厦门美柚股份有限公司 | 一种模糊图像检测方法、装置及系统 |
CN112232348B (zh) * | 2020-09-07 | 2021-10-01 | 华南师范大学 | 一种基于机器视觉的甲骨文识别方法及系统 |
CN112561890A (zh) * | 2020-12-18 | 2021-03-26 | 深圳赛安特技术服务有限公司 | 图像清晰度的计算方法、装置和计算机设备 |
CN113077459B (zh) * | 2021-04-28 | 2022-08-05 | 合肥的卢深视科技有限公司 | 图像清晰度检测方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1944730A2 (en) * | 2007-01-15 | 2008-07-16 | Korea Advanced Institute of Science and Technology | Method for detecting edge of an image and apparatus thereof and computer readable medium processing the method |
CN101282481A (zh) * | 2008-05-09 | 2008-10-08 | 中国传媒大学 | 一种基于人工神经网络的视频质量评价方法 |
CN101339603A (zh) * | 2008-08-07 | 2009-01-07 | 电子科技大学中山学院 | 一种从视频流中选取到了质量合格的虹膜图像的方法 |
CN101482973A (zh) * | 2009-01-21 | 2009-07-15 | 西安交通大学 | 基于早期视觉的部分参考图像质量评价方法 |
CN101493937A (zh) * | 2009-02-27 | 2009-07-29 | 西北工业大学 | 利用梯度局部熵检测数字图像内容可信度的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10043460C2 (de) * | 2000-09-04 | 2003-01-30 | Fraunhofer Ges Forschung | Auffinden von Körperpartien durch Auswerten von Kantenrichtungsinformation |
-
2010
- 2010-08-26 CN CN2010102632455A patent/CN101950418B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1944730A2 (en) * | 2007-01-15 | 2008-07-16 | Korea Advanced Institute of Science and Technology | Method for detecting edge of an image and apparatus thereof and computer readable medium processing the method |
CN101282481A (zh) * | 2008-05-09 | 2008-10-08 | 中国传媒大学 | 一种基于人工神经网络的视频质量评价方法 |
CN101339603A (zh) * | 2008-08-07 | 2009-01-07 | 电子科技大学中山学院 | 一种从视频流中选取到了质量合格的虹膜图像的方法 |
CN101482973A (zh) * | 2009-01-21 | 2009-07-15 | 西安交通大学 | 基于早期视觉的部分参考图像质量评价方法 |
CN101493937A (zh) * | 2009-02-27 | 2009-07-29 | 西北工业大学 | 利用梯度局部熵检测数字图像内容可信度的方法 |
Non-Patent Citations (2)
Title |
---|
王正友等.基于掩盖效应的无参考数字图像质量评价.《计算机应用》.2006,第26卷(第12期),2838-2840. * |
赵巨峰等.基于模糊度和噪声水平的图像质量评价方法.《光电子 激光》.2010,第21卷(第7期),1062-1066. * |
Also Published As
Publication number | Publication date |
---|---|
CN101950418A (zh) | 2011-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101950418B (zh) | 一种图像质量评价方法和装置 | |
CN107463918B (zh) | 基于激光点云与影像数据融合的车道线提取方法 | |
CN101877127B (zh) | 基于梯度剖面的图像无参考质量评价方法及系统 | |
JP6015257B2 (ja) | 偏光画像による車両位置検知方法及びシステム | |
CN110570435B (zh) | 用于对车辆损伤图像进行损伤分割的方法及装置 | |
GB2367966B (en) | Method and apparatus for determining regions of interest in images and for image transmission | |
CN109816645B (zh) | 一种钢卷松卷的自动检测方法 | |
CN110390306A (zh) | 直角车位的检测方法、车辆和计算机可读存储介质 | |
Hua et al. | Extended guided filtering for depth map upsampling | |
CN105976392B (zh) | 基于最大输出概率的车辆轮胎检测方法及装置 | |
US20120263386A1 (en) | Apparatus and method for refining a value of a similarity measure | |
CN112991374B (zh) | 基于Canny算法的边缘增强方法、装置、设备及存储介质 | |
CN104574312A (zh) | 标靶图像求圆心的方法和装置 | |
CN105139391A (zh) | 一种雾霾天气交通图像边缘检测方法 | |
CN111652033A (zh) | 基于OpenCV的车道线检测方法 | |
Ting-Fa et al. | Object’s translational speed measurement using motion blur information | |
CN106156691A (zh) | 复杂背景图像的处理方法及其装置 | |
CN104573647A (zh) | 一种非法身份证件的识别方法及装置 | |
CN112640413B (zh) | 用于显示周围环境的模型的方法、控制设备和车辆 | |
CN104240228A (zh) | 一种应用于网站的特定图片的检测方法及装置 | |
WO2014172875A1 (en) | Moving object detection | |
CN107909573B (zh) | 金属工件环形表面刀纹检测方法及装置 | |
CN110599532A (zh) | 图像的深度估计模型优化、深度估计处理方法及装置 | |
WO2006131866A3 (en) | Method and system for image processing | |
FR2876826B1 (fr) | Dispositif de mesure de distance de visibilite |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120808 Termination date: 20170826 |
|
CF01 | Termination of patent right due to non-payment of annual fee |